一种基于不完全信息的空地一体化无线网络覆盖优化方法与流程

本发明属于无人机无线网络覆盖，具体涉及一种基于不完全信息的空地一体化无线网络覆盖优化方法。

背景技术：

1、近年来，随着智能协同控制、通信频谱资源智能分配等技术不断发展，无人机应用逐步从农业、消防、测绘、遥感、物流等领域，无人机凭借其灵活性、高机动性、强适应性等特点，可以在复杂环境下进行救援、探险和勘测等工作，从而大大提高了生产力和效率，为人们提供了更安全的工作环境和生活保障。

2、城市中智能设备和数据流量的不断扩张将导致数据需求的增加，由于建筑障碍等堵塞效应，传统的基站部署与设备终端(dt)的视距链路(los)信息传输将严重受限，而无人机基站(bs)的灵活性和机动性可以解决此类问题。相比于地面通信，具有更少的干扰和更高的传输可靠性，能够实现高速率的通信传输。

3、无人机可以快速地部署到需要通信的区域，不受地面环境限制，具有很强的灵活性和适应性。在紧急情况下，可以快速搭建通信网络，提供及时的通信服务；相比于传统的地面通信基础设施，无人机的制造成本和维护成本较低，可以大幅度降低通信成本；无人机可以在空中飞行，具有更高的通信覆盖范围，可以覆盖更广泛的区域，提供全面的通信服务；多个无人机可以组成无人机集群网络，通过分布式的算法，可以实现网络的自我修复和扩展，提高网络的鲁棒性和可扩展性，无人机通信具有高速率、快速部署、灵活性、低成本、覆盖范围广和可扩展性强等优势。然而现有的研究未将区域光谱效率(ase)最大化和视距链路(los)最大覆盖以及最优路径规划一起考虑，因此本发明的目的为利用无人机在los覆盖最大化和最优路径的约束下，来实现区域光谱效率最大ase。

技术实现思路

1、本发明针对上述现有技术的不足，发明了一种基于不完全信息的空地一体化无线网络覆盖优化方法。

2、为了实现上述目的，本发明采用如下的技术方案：

3、一种基于不完全信息的空地一体化无线网络覆盖优化方法，包括如下步骤：

4、步骤1：以无人机为中心配合无线网络环境中的设备终端建立毫米波无人机下行链路通信网络环境模型；

5、步骤2：以通信网络环境模型为基础结合无线网络环境中无人机的基站对无人机所搭载的通信天线设备构建平面阵列天线模型；

6、步骤3：根据平面阵列天线模型的无线网络覆盖的范围构建无人机的区域光谱效率模型；

7、步骤4：在约束条件下利用强化学习算法设计出一个无人机网络工作最优路径使得无人机航迹过程中的区域光谱效率最大。

8、本发明的优化方法主要通过四个步骤来确定无人机的无线网络覆盖的最优方法，具体为先构建无线通信网络环境模型，在无线通信网络环境模型构建平面阵列天线模型，然后无人机区域光谱效率模型，最后在约束条件下得出无人机网络工作最优路径使得无人机航迹过程中的区域光谱效率最大。

9、进一步，所述通信网络环境模型为无人机在固定高度h下的下行信号传输网络，其受到视距链路或非视距链路的影响，视距链路的数量记为l，非视距链路的数量记为n；

10、设定无人机的基站服务于大小为的目标矩形区域，该矩形区域具有子网格，作为室外子网格集；

11、启用无人机的基站在适当的位置悬停或着陆，在集合q＝{1,2,…,q,…,q}，悬停点q∈q，实现潜在设备终端的最大覆盖区域，所述最大覆盖区域受无人机通过每个子网格的飞行时间和悬停时隙约束，约束条件为：

12、

13、其中是每个子网格的边长，是每个子栅格的面积；tk为无人机在第k个子网格的飞行时间，tq为悬停时隙，是请求的比特数量，是与将由来自第q个子网格的无人机服务的设备终端的视距链路和非视距链路的数量，是来自第q子网格的无飞行器与第k个子网格中的设备终端之间的可实现速率，vu为无人机的匀速运动速度，其中o∈{l,n}。

14、进一步，所述无人机在无线网络覆盖区域内以就近原则一次服务一个设备终端。

15、进一步，所述平面阵列天线模型由每个无人机天线具有n2个单元的正方形均匀平面阵列组成，其中，发射阵列响应矢量a(γt,ωt)分别是沿x轴和y轴的一个阵列响应矢量的乘积：

16、

17、其中，γt为无人机方位角，γt∈(-π,π]，ωt为无人机仰角，ωt∈(-π,π]；是乘积；

18、所述ax(γt,ωt)和ay(γt,ωt)计算为：

19、

20、其中，x轴和y轴方向的所有天线间距为d，载流子的波长为ι∈[x,y]；是标准化的发射天线位置，nx和ny都是[0，n-1]内的整数。

21、进一步，当平面阵列天线模型的波束形成矢量，无人机天线增益表达式为：

22、

23、其中，无人机的方位角和仰角分别为φs和ξs，φs＝γt，ξs＝ωt。

24、进一步，所述无人机启用的基站提供区域光谱效应为：

25、

26、其中，σ2是具有弱干扰的噪声功率，o∈{l,n}；和分别是来自第q个悬停点的视距链路和非视距链路的无人机数量，是根据无人机无线网络覆盖的半径r而定，l为视距链路，n为非视距链路；

27、所述为无人机从悬停静止到服务的设备终端的接收信号，所述接收信号的表达式为：

28、

29、其中，为位于第q个子网格上方的悬停无人机与第k个网格中的设备终端之间的距离，α为路径损失指数，β为信号发射频率，pu为无人机发射功率。

30、进一步，所述强化学习的约束条件为：

31、c1：min|φp|

32、c2:

33、c3:

34、c4:

35、其中，φp表示所设置的路径子网格，c1为连接q悬停位置的最小路径，c2为所有的设备终端都需要被服务，c3是最大的时间约束，c4是h和r相关约束。

36、本发明的优点在于：1.本发明的优化方法通过无人机的无线通信网络能够在特定的三维城市区域移动，并为均匀分布的多个室外设备终端提供服务；通过无线通信网络的视距链路和非视距链路覆盖面积的最大化来确定网络覆盖的最大光谱效率即设备终端接收到信号的最大值；根据本发明的优化方法无人机可以检测更高的视距链路覆盖区域位置，采用把区域光谱效率最大化、最优路径和最大无线通信网络覆盖范围三者结合在一起检测出无人机网络工作最优路径，使得无人机航迹过程中的区域光谱效率最大。

技术特征：

1.一种基于不完全信息的空地一体化无线网络覆盖优化方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于不完全信息的空地一体化无线网络覆盖优化方法，其特征在于，所述通信网络环境模型为无人机在固定高度h下的下行信号传输网络，其受到视距链路或非视距链路的影响，视距链路的数量记为l，非视距链路的数量记为n；

3.根据权利要求2所述的一种基于不完全信息的空地一体化无线网络覆盖优化方法，其特征在于，所述无人机在无线网络覆盖区域内以就近原则一次服务一个设备终端。

4.根据权利要求3所述的一种基于不完全信息的空地一体化无线网络覆盖优化方法，其特征在于，所述平面阵列天线模型由每个无人机天线具有n2个单元的正方形均匀平面阵列组成，其中，发射阵列响应矢量a(γt，ωt)分别是沿x轴和y轴的一个阵列响应矢量的乘积：

5.根据权利要求4所述的一种基于不完全信息的空地一体化无线网络覆盖优化方法，其特征在于，当平面阵列天线模型的波束形成矢量，无人机天线增益表达式为：

6.根据权利要求5所述的一种基于不完全信息的空地一体化无线网络覆盖优化方法，其特征在于，所述无人机启用的基站提供区域光谱效应为：

7.根据权利要求6所述的一种基于不完全信息的空地一体化无线网络覆盖优化方法，其特征在于，所述强化学习的约束条件为：

技术总结本发明公开一种基于不完全信息的空地一体化无线网络覆盖优化方法，包括如下步骤：步骤1：以无人机为中心配合无线网络环境中的设备终端建立毫米波无人机下行链路通信网络环境模型；步骤2：以通信网络环境模型为基础结合无线网络环境中无人机的基站对无人机所搭载的通信天线设备构建平面阵列天线模型；步骤3：根据平面阵列天线模型的无线网络覆盖的范围构建无人机的区域光谱效率模型；步骤4：在约束条件下利用强化学习算法计算无人机航迹过程中的区域光谱效率模型最大值。本发明的方法主要通过四个步骤来确定无人机的无线网络覆盖的最优方法，可以为均匀分布的多个室外设备终端提供服务，获得了更高的光谱效率和更大的无线通信网络覆盖区域。技术研发人员：费陈,赵亮,欧丽婷,王树泉,金景怡,李银城受保护的技术使用者：中国人民武装警察部队士官学校技术研发日：技术公布日：2024/7/23